脊柱肿瘤已经严重威胁人类的健康与生存,因其生长环境复杂,且手术切除具有一定的局限性,因而临床治疗常采用发展较好的射频消融技术。但射频消融脊柱肿瘤的基础参考数据较为匮乏,且对治疗参量的判断仅凭借于经验,无法保证保证温度场可适形覆盖整个肿瘤组织。因此,射频消融脊柱肿瘤的适形治疗是目前亟待解决的临床问题。本研究采用有限元的方法对射频消融脊柱肿瘤进行了数值分析,并根据不同的治疗参量(电压和消融时间)和电极结构进行了温度场的探讨和分析。同时为了提高适形治疗的准确性,可准确预测未知脊柱肿瘤的电压和消融时间,本研究采用三种预测优化算法进行分析对比,并建立预测优化系统,从而为脊柱肿瘤的手术决策提供准确的数据支持,实现适形治疗的目的。其中算法模型包括BP神经网络模型(Back Propagation Neural Network)、广义回归模型(Generalized Regression Neural Network)和支持向量机模型(Support Vector Machine)。单极电极的温度场仿真结果表明:射频消融治疗脊柱肿瘤的电压取值范围是8-22V,消融时间为2-20min,并且消融区域由类椭球形逐渐扩大为类球形,有助于临床的治疗;而当消融时间高于15min时,消融区域的扩大趋势降低,因此建议在采用单极电极进行射频消融时,消融时间应限制在15min以内;其消融区域的体积范围是70-11928mm3,横径的范围是5.4-29.6mm;在临床治疗中,适用于直径较小(<30mm)的脊柱肿瘤。多子针电极的温度场仿真结果表明:电压的取值范围是11-22V,消融时间为2-20min;因电极结构的特殊性,其消融区域逐渐扩大为蘑菇形状;消融区域的体积范围是81-126411mm3,横径范围是31.4-63.1mm,最小半径的范围是3.9-21.1mm;在临床治疗中,多子针电极适用于直径较大(≥30mm)的脊柱肿瘤。由于消融区域的变化较为复杂,均不呈比例或线性方式增加,因而根据三种算法模型预测治疗参量的结果进行了研究探讨,发现基于遗传算法的SVM模型预测结果的平均相对误差最小,比交叉验证法的预测值更为准确,且其相关系数最接近于1,而BP神经网络模型的预测数值的准确率较高,但其预测的数值具有一定的随机性,GRNN模型的预测结果的平均相对误差较高。因而基于遗传算法的SVM模型为最优模型,并以此建立了一个自动预测脊柱肿瘤治疗参量的优化软件,该软件可根据输入值(未知脊柱肿瘤的横径、纵径、深度和体积)快速准确地预测适合此脊柱肿瘤的治疗参量。同时,根据其消融区域的覆盖率等评估参量对其进行评价分析,从而提供数据支持,保证手术决策的准确性和实际可操作性,达到射频消融脊柱肿瘤适形治疗的目的。